تعتبر نماذج الذكاء الاصطناعي (Artificial Intelligence) واحدة من أعظم الإنجازات التقنية في عصرنا، ولكن تواجدها في التطبيقات العملية لا يزال محدودًا بسبب التكاليف الحسابية الكبيرة، خاصة لدى الأجهزة ذات الموارد المحدودة. في هذه الدراسة الجديدة، تم تقديم محرك تحسين عام (Generalized Optimization Engine - GOE) يسعى للحد من التعقيد الحسابي وتحسين الأداء.

تناقش الورقة بشكل شامل تقنيات وأدوات تحسين النماذج المختلفة وكيفية دمجها في هيكل تحسين متكامل. يُظهر البحث أن تحسين البرمجيات يمكن أن يؤدي إلى تقليل استهلاك الطاقة وتقليل زمن الاستجابة دون التأثير على دقة المهام.

عندما تم اختبار النماذج المضغوطة باستخدام محرك (GOE)، أتضح أنه يمكن نشرها وتشغيلها بنجاح حتى على وحدات المعالجة المركزية (CPU) محدودة الموارد دون الحاجة إلى وحدات معالجة الرسوميات (GPU). مما يشير إلى أهمية طريقة الضغط المختارة في ضمان الحفاظ على دقة المهام بعد النشر.

تعد هذه النتائج خطوة مهمة نحو تحسين التوزيع الفعّال لنماذج الذكاء الاصطناعي في البيئات التكتيكية، مما يعزز من فرص استخدامها في تطبيقات متنوعة تتطلب كفاءة عالية في المكان والزمان.